Saya membaca slide "Doing Bayesian Data Analysis" karya John Kruschke , tetapi sebenarnya ada pertanyaan tentang interpretasinya tentang uji-t dan / atau keseluruhan kerangka kerja pengujian signifikansi nol-hipotesis. Dia berpendapat bahwa nilai-p tidak didefinisikan dengan jelas karena mereka bergantung pada niat penyelidik.
Secara khusus, ia memberikan contoh (halaman 3-6) dari dua laboratorium yang mengumpulkan set data identik yang membandingkan dua perawatan. Satu lab berkomitmen untuk mengumpulkan data dari 12 subjek (6 per kondisi), sementara yang lain mengumpulkan data untuk durasi yang tetap, yang juga menghasilkan 12 subjek. Menurut slide, nilai- kritis untuk berbeda antara dua skema pengumpulan data ini: untuk yang pertama, tetapi untuk yang terakhir !p < 0,05 t crit = 2,33 t crit = 2,45
Sebuah posting blog - yang sekarang tidak dapat saya temukan - menyarankan bahwa skenario durasi tetap memiliki lebih banyak derajat kebebasan karena mereka dapat mengumpulkan data dari 11, 13, atau jumlah subjek lainnya, sedangkan skenario fixed-N, oleh definisi, memiliki .
Bisakah seseorang tolong jelaskan kepada saya:
Mengapa nilai kritis akan berbeda antara kondisi ini?
(Dengan asumsi itu adalah masalah) Bagaimana seseorang akan mengoreksi / membandingkan untuk efek dari kriteria pemberhentian yang berbeda?
Saya tahu bahwa menetapkan kriteria berhenti berdasarkan signifikansi (misalnya, sampel hingga ) dapat meningkatkan kemungkinan kesalahan Tipe I, tetapi itu tampaknya tidak terjadi di sini, karena tidak ada aturan penghentian tergantung pada hasil dari analisis.